[发明专利]基于空谱联合网络的可解释高光谱图像分类方法及装置

权利要求书

1.一种高光谱图像分类方法，其特征在于，包括：

获取待检测高光谱图像数据；

利用SincNet网络提取所述高光谱图像数据的光谱特征，利用DS-CNN网络提取所述高光谱图像数据的空间特征；

将所述光谱特征、所述空间特征进行叠加，并输入全连接层进行特征融合；以及

将特征融合后的数据进行分类。

2.根据权利要求1所述的高光谱图像分类方法，其特征在于，还包括对获得的高光谱图像数据进行第一预处理，所述SincNet网络基于第一预处理后的高光谱图像数据提取所述光谱特征。

3.根据权利要求2所述的高光谱图像分类方法，其特征在于，所述第一预处理包括：对原始高光谱图像进行自动聚类，得到新真值图；SincNet网络基于原始高光谱图像和新真值图提取所述光谱特征。

4.根据权利要求3所述的高光谱图像分类方法，其特征在于，所述自动聚类选采用基于密度峰值的自动聚类算法。

5.根据权利要求3所述的高光谱图像分类方法，其特征在于，还包括对获得的高光谱图像数据进行第二预处理，DS-CNN网络基于第一和第二预处理后的高光谱图像数据提取所述空间特征。

6.根据权利要求5所述的高光谱图像分类方法，其特征在于，所述第二预处理包括：对原始高光谱图像数据进行PCA降维，并裁切成图像块；DS-CNN网络基于图像块以及所述第一预处理获得的新真值图提取所述空间特征。

7.根据权利要求1所述的高光谱图像分类方法，其特征在于，SincNet网络首层利用sinc函数滤波器作为一维卷积核进行特征提取。

8.根据权利要求1或7所述的高光谱图像分类方法，其特征在于，所述DS-CNN网络采用六层二维卷积层实现图像空间信息提取，第一层为3×3的方形卷积核，第二层和第四层为1×5的横向条形卷积核，第三层和第五层为5×1的纵向条形卷积核，最后一层为2×2的方形卷积核。

9.一种高光谱图像分类装置，其特征在于，包括：

图像获取设备，用以采集待检测的高光谱图像；

存储器，该存储器中存储有计算机指令；

处理器，与所述图像获取设备、存储器数据连接，其通过执行所述计算机指令，从而执行如权利要求1-8任一项所述的高光谱图像分类方法，对高光谱图像进行自动分类。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令在被处理器执行时实现如权利要求1-8所述的高光谱图像分类方法。